帮你偷懒的“老板探测器”，简直是机器学习年末最佳应用

在漫长的无意工做的“年末”里，大家大概须要动用深度学习技能来伪装好好工做：当老板快要走到身后，让电脑自动隐藏“工做不宜”的窗口。

付出这么多努力就为了工做时开个小差？

好像是的……

AHOGRAMMER发布了这样一个名为“老板传感器”的制做教程：

定义任务

这个程序的任务就是当老板接近的时候，自动隐藏“工做不宜”窗口。

老板和个人座位距离约6-7米，若是我在看“工做不宜”的东西，当老板离开座位，有4-5秒的时间切换界面。

策略

1.用深度学习训练一个模型，让电脑能认出老板的脸。

2.在桌上安装一个摄像头，当摄像头捕捉到老板的脸，让电脑自动隐藏“工做不宜”窗口。

老板探测器的系统架构以下：

• Camera：一个实时捕捉图像的摄像头。
  

• Recognize：一个训练过的模型，能识别面部特征。
  

• Hide Screen：若是识别的结果是老板，隐藏“工做不宜”窗口。
  

所以，这个系统须要如下能力：

• 拍摄脸部照片
  
• 识别脸部照片
  

• 切换电脑窗口
  

咱们来逐个解决。

拍摄脸部照片

我选择了BUFFALO BSW20KM11BK摄像头。

摄像头有自带的拍照程序，可是考虑到后续的处理，须要在拍照时自动切出脸部图片，所以我选择用了Python和OpenCV来拍照。

获得的脸部照片质量比我预想的要好。

识别老板的脸

接下来，咱们用机器学习算法让计算机认出老板的脸。分为如下三步：

1. 收集图片
   
2. 处理图片
   
3. 创建机器学习模型
   

让咱们一步一步来看。

收集图片

首先，咱们须要收集大量照片供算法学习，我用下面的收集方法：

• Google图片搜索
  
• Facebook上的相册
  
• 拍视频
  

起初，我经过网络搜索和Facebook收集了图片，可是数量不够，因而我又拍摄了视频，而后转换成大量的图片。

处理图片

咱们收集了大量包括人脸的图片，可是学习算法还不能直接用，由于图片里包含太多不是人脸的部分。所以，咱们须要把脸部剪切出来。

我主要用ImageMagick来作脸部提取的工做，获得了下面这些脸部照片：

如今能够开始学习了。

创建机器学习模型

咱们用Keras来创建卷积神经网络(CNN)，而后用TensorFlow来作它的后端。若是你只想识别人脸，能够用Computer Vision API等图像识别的Web API。可是此次我决定本身写一个实时的识别。

这个网络的架构以下：

如今，当老板出如今摄像头范围内，就能自动被识别出来了。

切换电脑窗口

如今，当训练过的模型识别出老板的脸，咱们须要切换窗口来伪装工做：做为一个程序员，我选择切换到这张图片：

我用PyQt来全屏展现这张图片。

试用效果

老板离开座位：

OpenCV探测到人脸，把图像放进训练过的模型：

窗口自动切换到伪装工做的图片啦ヽ(‘ ∇‘ )ノ ﾜｰｲ

做者 | HIRONSAN @ AHOGRAMMER编译 | 夏乙 @ AI100 题图来自Unsplash